- 赛事介绍
- 竞赛排行榜
- 奖金记录
- 讨论($vue{comment_count})
- 学习资源
 
				
					
										
											大赛简介
											
																									此数据集与CIFAR-10类似,不同之处在于它有100个类型,每类包含600个图像。每个类有500个训练图像和100个测试图像。CIFAR-100中的100个小类分为20个大类,每张图片包含其所属的小类和大类标签。
																																			 
																						
											
																							参赛须知
																								
																									参赛时间: 本次竞赛无时间限制,长期有效开放
																								参赛方式
												
												参赛选手说明
												
																											- 参赛人员身份信息需保证真实、有效,大赛主办方仅将个人信息用于赛事数据授权及颁奖使用
- 欢迎海内外的在校学生,算法工程师和所有AI爱好者参与
- 本次竞赛报名形式:以个人形式本地提交作品线上审核,并且以最终提交算法得分作为唯一有效成绩
- 在比赛截止日期前,团队中成绩最高分作为本团队的最终成绩
- 报名成功后请加入FlyAI竞赛交流群,一起学习进步!重要通知也将在群内发布,不要错过哦
												比赛作品说明
												
													- 参赛选手需要配合组委会对比赛作品的有效性与真实性进行验证
- 不同团队/个人,提交相似结果文件,取消双方所有人员参赛资格
- 多开小号报名、提交,一经发现将取消参赛资格
- 禁止使用外部链接下载代码替换本项目代码
- 比赛过程中,通过脚本获取比赛数据,成绩无效
- 使用线上测试集进行训练或者使用非官方提供的外部数据进行训练,成绩无效
- 使用的预训练模型需为FlyAI官方审核通过的模型,使用非官方验证预训练模型,成绩无效
- 提交的代码具备可解释性并且其它开源框架可复现
- 所有相似代码将一律不通过审核!!情况多次出现者封号处理
- 如有发现利用非正常手段作弊行为,奖金一律不发放。之前所获得奖金金额官方有权收回,情节严重者封号处理
- 提交代码即视为阅读并同意以上比赛作品说明
 
																						 
										 
										
																							大赛奖项设置
												奖项说明:
												
													
														
															| 奖项设置 | 获奖人数 | 奖金额度说明(按最终得分评判) | 
													
													
																													
																| FlyAI挑战奖 | 所有挑战者 | 奖金获取标准:60<Score<=100  按照得分比例获取奖金池金额 | 
																													
																| 新框架奖励 | 所有人 | 项目中首次使用排行榜中未出现的新框架搭建模型,可获得60FAI币额外积分奖励 | 
																											
												
																								
																																															赛事主题和数据说明
																							赛题描述
												通过迭代自己的算法模型并提交训练,获取奖金池高额奖金。小提示:抢先更新算法排行榜,有更大机会获取高额奖金哦
																																		数据来源
												
																											CIFAR100
																									
																						数据描述
																									由于需要提交代码作品在云端进行训练,参赛数据集不对外开放。仅提供调试数据。
																							字段说明:
											
																							
														
															| 文件名 | 字段名称 | 字段类型 | 备注 | 
													
													
																													
																| image_path | string | 不为空 | 图片的相对路径 | 
																													
																| label | float | 大于等于 0, 小于等于 99 | 图片的标注标签 | 
																													
																| name | int | 不为空 | 图片上对应的类别 | 
																											
																						
											
																							参考文献:
																																							[1]Learning Multiple Layers of Features from Tiny Images, Alex Krizhevsky, 2009.
																																																										评审标准
											算法输入输出格式
																																						
														输入字段:
																													image_path,
																											
																																																															
														输出字段:
																													label,
																											
																																				
																						评审指标说明
											
												
																																								- 准确率(Accuracy):对于给定的测试数据集,预测正确的样本数与实际总样本数之比
- True,表示预测正确的样本数数量
- Total Number of Samples,表示实际总样本数数量
- 计算公式如下:
比赛常见问题说明
													Q:比赛使用什么框架?
													
														- 比赛支持常用的机器学习和深度学习框架,比如TensorFlow,PyTorch,Keras,Scikit-learn、MXNet等。
Q:怎么参加比赛,需不需要提交CSV文件?
													
														- FlyAI竞赛平台提供免费云端GPU资源,报名后可以使用自己熟练的框架,修改main.py中的网络结构和processor.py中的数据处理;仅部分赛题支持CSV方式提交,请仔细阅读参赛方式相关内容。
Q:比赛排行榜分数怎么得到的?
													
																													- 参加项目竞赛必须实现 model.py 中的predict_all方法。系统通过该方法,调用模型得出评分。
 
									 
					 
				
					
																					超过 60分 的成绩会在48小时内更新到排行榜,不要着急哦!
																		
					
										
																											
																							
											
																						
											
												
												batch数据为64,循环次数为3000次,通过在线上环境完成训练,模型最优精度评分为99.02。
												
											 
																							
																					 
																													
																							
											
																						
											
												
												batch数据为64,循环次数为3000次,通过在线上环境完成训练,模型最优精度评分为95.47。
												
											 
																							
																					 
																													
																							
											
																						
											
												
												batch数据为64,循环次数为5次,通过在线上环境完成训练,模型最优精度评分为84.12。
												
											 
																							
																					 
																													
																							
											
																						
																									4
																							
											
												
												batch数据为100,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为83.12。
												
											 
																							
																					 
																													
																							
											
																						
																									5
																							
											
												
												batch数据为64,循环次数为3000次,通过在线上环境完成训练,模型最优精度评分为82.09。
												
											 
																							
																					 
																													
																							
											
																						
																									6
																							
											
												
												batch数据为200,循环次数为15次,通过在线上环境完成训练,模型最优精度评分为78.52。
												
											 
																							
																					 
																													
																							
											
																						
																									7
																							
											
												
												batch数据为500,循环次数为32次,通过在线上环境完成训练,模型最优精度评分为77.58。
												
											 
																							
																					 
																													
																							
											
																						
																									8
																							
											
												
												batch数据为256,循环次数为5000次,通过在线上环境完成训练,模型最优精度评分为75.78。
												
											 
																							
																					 
																													
																							
											
																						
																									9
																							
											
												
												batch数据为512,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为73.32。
												
											 
																							
																					 
																													
																							
											
																						
																									10
																							
											
												
												batch数据为36000,循环次数为1次,通过在线上环境完成训练,模型最优精度评分为69.07。
												
											 
																							
																					 
																													
																							
											
																						
																									11
																							
											
												
												batch数据为256,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为63.38。
												
											 
																							
																					 
																													
																							
											
																						
																									12
																							
											
												
												batch数据为1024,循环次数为3000次,通过在线上环境完成训练,模型最优精度评分为60.80。
												
											 
																							
																					 
																													
																							
											
																						
																									13
																							
											
												
												batch数据为100,循环次数为320次,通过在线上环境完成训练,模型最优精度评分为59.02。
												
											 
																							
																					 
																													
																							
											
																						
																									14
																							
											
												
												batch数据为50,循环次数为20次,通过在线上环境完成训练,模型最优精度评分为56.53。
												
											 
																							
																					 
																													
																							
											
																						
																									15
																							
											
												
												batch数据为256,循环次数为10000次,通过在线上环境完成训练,模型最优精度评分为52.23。
												
											 
																							
																					 
																													
																							
											
																						
																									16
																							
											
												
												batch数据为128,循环次数为2000次,通过在线上环境完成训练,模型最优精度评分为50.86。
												
											 
																							
																					 
																													
																							
											
																						
																									17
																							
											
												
												batch数据为1024,循环次数为5000次,通过在线上环境完成训练,模型最优精度评分为50.32。
												
											 
																							
																					 
																													
																							
											
																						
																									18
																							
											
												
												batch数据为128,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为49.86。
												
											 
																							
																					 
																													
																							
											
																						
																									19
																							
											
												
												batch数据为256,循环次数为10000次,通过在线上环境完成训练,模型最优精度评分为49.40。
												
											 
																							
																					 
																													
																							
											
																						
																									20
																							
											
												
												batch数据为128,循环次数为5000次,通过在线上环境完成训练,模型最优精度评分为49.12。
												
											 
																							
																					 
																													
																							
											
																						
																									21
																							
											
												
												batch数据为64,循环次数为2000次,通过在线上环境完成训练,模型最优精度评分为47.73。
												
											 
																							
																					 
																													
																							
											
																						
																									22
																							
											
												
												batch数据为128,循环次数为500次,通过在线上环境完成训练,模型最优精度评分为43.89。
												
											 
																							
																					 
																													
																							
											
																						
																									23
																							
											
												
												batch数据为256,循环次数为1500次,通过在线上环境完成训练,模型最优精度评分为43.40。
												
											 
																							
																					 
																													
																							
											
																						
																									24
																							
											
												
												batch数据为256,循环次数为5000次,通过在线上环境完成训练,模型最优精度评分为41.90。
												
											 
																							
																					 
																													
																							
											
																						
																									25
																							
											
												
												batch数据为256,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为40.01。
												
											 
																							
																					 
																													
																							
											
																						
																									26
																							
											
												
												batch数据为512,循环次数为10000次,通过在线上环境完成训练,模型最优精度评分为39.07。
												
											 
																							
																					 
																													
																							
											
																						
																									27
																							
											
												
												batch数据为128,循环次数为10000次,通过在线上环境完成训练,模型最优精度评分为38.19。
												
											 
																							
																					 
																													
																							
											
																						
																									28
																							
											
												
												batch数据为128,循环次数为10000次,通过在线上环境完成训练,模型最优精度评分为38.12。
												
											 
																							
																					 
																													
																							
											
																						
																									29
																							
											
												
												batch数据为500,循环次数为32次,通过在线上环境完成训练,模型最优精度评分为38.12。
												
											 
																							
																					 
																													
																							
											
																						
																									30
																							
											
												
												batch数据为64,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为38.12。
												
											 
																							
																					 
																													
																							
											
																						
																									31
																							
											
												
												batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为38.12。
												
											 
																							
																					 
																													
																							
											
																						
																									32
																							
											
												
												batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为38.12。
												
											 
																							
																					 
																													
																							
											
																						
																									33
																							
											
												
												batch数据为64,循环次数为20次,通过在线上环境完成训练,模型最优精度评分为38.12。
												
											 
																							
																					 
																													
																							
											
																						
																									34
																							
											
												
												batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为38.12。
												
											 
																							
																					 
																													
																							
											
																						
																									35
																							
											
												
												batch数据为128,循环次数为120次,通过在线上环境完成训练,模型最优精度评分为38.12。
												
											 
																							
																					 
																													
																							
											
																						
																									36
																							
											
												
												batch数据为10,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为38.12。
												
											 
																							
																					 
																													
																							
											
																						
																									37
																							
											
												
												batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为38.12。
												
											 
																							
																					 
																													
																							
											
																						
																									38
																							
											
												
												batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为38.12。
												
											 
																							
																					 
																													
																							
											
																						
																									39
																							
											
												
												batch数据为64,循环次数为3000次,通过在线上环境完成训练,模型最优精度评分为38.12。
												
											 
																							
																					 
																													
																							
											
																						
																									40
																							
											
												
												batch数据为128,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为38.12。
												
											 
																							
																					 
																													
																							
											
																						
																									41
																							
											
												
												batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为38.12。
												
											 
																							
																					 
																													
																							
											
																						
																									42
																							
											
												
												batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为38.12。
												
											 
																							
																					 
																													
																							
											
																						
																									43
																							
											
												
												batch数据为64,循环次数为50次,通过在线上环境完成训练,模型最优精度评分为38.12。
												
											 
																							
																					 
																													
																							
											
																						
																									44
																							
											
												
												batch数据为128,循环次数为5000次,通过在线上环境完成训练,模型最优精度评分为37.91。
												
											 
																							
																					 
																													
																							
											
																						
																									45
																							
											
												
												batch数据为64,循环次数为3000次,通过在线上环境完成训练,模型最优精度评分为37.44。
												
											 
																							
																					 
																													
																							
											
																						
																									46
																							
											
												
												batch数据为128,循环次数为10000次,通过在线上环境完成训练,模型最优精度评分为35.61。
												
											 
																							
																					 
																													
																							
											
																						
																									47
																							
											
												
												batch数据为128,循环次数为3000次,通过在线上环境完成训练,模型最优精度评分为35.16。
												
											 
																							
																					 
																													
																							
											
																						
																									48
																							
											
												
												batch数据为256,循环次数为3000次,通过在线上环境完成训练,模型最优精度评分为34.23。
												
											 
																							
																					 
																													
																							
											
																						
																									49
																							
											
												
												batch数据为512,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为34.14。
												
											 
																							
																					 
																													
																							
											
																						
																									50
																							
											
												
												batch数据为256,循环次数为3000次,通过在线上环境完成训练,模型最优精度评分为32.43。
												
											 
																							
																					 
																													
																							
											
																						
																									51
																							
											
												
												batch数据为256,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为29.73。
												
											 
																							
																					 
																													
																							
											
																						
																									52
																							
											
												
												batch数据为64,循环次数为3000次,通过在线上环境完成训练,模型最优精度评分为27.82。
												
											 
																							
																					 
																													
																							
											
																						
																									53
																							
											
												
												batch数据为64,循环次数为10000次,通过在线上环境完成训练,模型最优精度评分为26.11。
												
											 
																							
																					 
																													
																							
											
																						
																									54
																							
											
												
												batch数据为256,循环次数为3000次,通过在线上环境完成训练,模型最优精度评分为26.02。
												
											 
																							
																					 
																													
																							
											
																						
																									55
																							
											
												
												batch数据为64,循环次数为10000次,通过在线上环境完成训练,模型最优精度评分为24.03。
												
											 
																							
																					 
																													
																							
											
																						
																									56
																							
											
												
												batch数据为128,循环次数为5000次,通过在线上环境完成训练,模型最优精度评分为20.97。
												
											 
																							
																					 
																													
																							
											
																						
																									57
																							
											
												
												batch数据为32,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为20.93。
												
											 
																							
																					 
																													
																							
											
																						
																									58
																							
											
												
												batch数据为64,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为20.07。
												
											 
																							
																					 
																													
																							
											
																						
																									59
																							
											
												
												batch数据为128,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为17.75。
												
											 
																							
																					 
																													
																							
											
																						
																									60
																							
											
												
												batch数据为256,循环次数为10000次,通过在线上环境完成训练,模型最优精度评分为16.25。
												
											 
																							
																					 
																													
																							
											
																						
																									61
																							
											
												
												batch数据为128,循环次数为500次,通过在线上环境完成训练,模型最优精度评分为14.52。
												
											 
																							
																					 
																													
																							
											
																						
																									62
																							
											
												
												batch数据为128,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为13.32。
												
											 
																							
																					 
																													
																							
											
																						
																									63
																							
											
												
												batch数据为128,循环次数为5000次,通过在线上环境完成训练,模型最优精度评分为12.54。
												
											 
																							
																					 
																													
																							
											
																						
																									64
																							
											
												
												batch数据为128,循环次数为200次,通过在线上环境完成训练,模型最优精度评分为10.26。
												
											 
																							
																					 
																													
																							
											
																						
																									65
																							
											
												
												batch数据为64,循环次数为300次,通过在线上环境完成训练,模型最优精度评分为8.62。
												
											 
																							
																					 
																													
																							
											
																						
																									66
																							
											
												
												batch数据为128,循环次数为500次,通过在线上环境完成训练,模型最优精度评分为8.47。
												
											 
																							
																					 
																													
																							
											
																						
																									67
																							
											
												
												batch数据为32,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为7.69。
												
											 
																							
																					 
																													
																							
											
																						
																									68
																							
											
												
												batch数据为512,循环次数为200次,通过在线上环境完成训练,模型最优精度评分为7.16。
												
											 
																							
																					 
																													
																							
											
																						
																									69
																							
											
												
												batch数据为32,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为6.59。
												
											 
																							
																					 
																													
																							
											
																						
																									70
																							
											
												
												batch数据为128,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为5.65。
												
											 
																							
																					 
																													
																							
											
																						
																									71
																							
											
												
												batch数据为128,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为5.04。
												
											 
																							
																					 
																													
																							
											
																						
																									72
																							
											
												
												batch数据为64,循环次数为100次,通过在线上环境完成训练,模型最优精度评分为4.67。
												
											 
																							
																					 
																													
																							
											
																						
																									73
																							
											
												
												batch数据为128,循环次数为100次,通过在线上环境完成训练,模型最优精度评分为4.29。
												
											 
																							
																					 
																													
																							
											
																						
																									74
																							
											
												
												batch数据为64,循环次数为200次,通过在线上环境完成训练,模型最优精度评分为3.66。
												
											 
																							
																					 
																													
																							
											
																						
																									75
																							
											
												
												batch数据为100,循环次数为500次,通过在线上环境完成训练,模型最优精度评分为3.60。
												
											 
																							
																					 
																													
																							
											
																						
																									76
																							
											
												
												batch数据为128,循环次数为500次,通过在线上环境完成训练,模型最优精度评分为2.57。
												
											 
																							
																					 
																													
																							
											
																						
																									77
																							
											
												
												batch数据为500,循环次数为40次,通过在线上环境完成训练,模型最优精度评分为2.34。
												
											 
																							
																					 
																													
																							
											
																						
																									78
																							
											
												
												batch数据为32,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为2.01。
												
											 
																							
																					 
																													
																							
											
																						
																									79
																							
											
												
												batch数据为32,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为1.96。
												
											 
																							
																					 
																													
																							
											
																						
																									80
																							
											
												
												batch数据为256,循环次数为50次,通过在线上环境完成训练,模型最优精度评分为1.47。
												
											 
																							
																					 
																													
																							
											
																						
																									81
																							
											
												
												batch数据为128,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为1.32。
												
											 
																							
																					 
																													
																							
											
																						
																									82
																							
											
												
												batch数据为64,循环次数为90次,通过在线上环境完成训练,模型最优精度评分为1.32。
												
											 
																							
																					 
																													
																							
											
																						
																									83
																							
											
												
												batch数据为32,循环次数为200次,通过在线上环境完成训练,模型最优精度评分为1.17。
												
											 
																							
																					 
																													
																							
											
																						
																									84
																							
											
												
												batch数据为256,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为1.11。
												
											 
																							
																					 
																													
																							
											
																						
																									85
																							
											
												
												batch数据为32,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为1.04。
												
											 
																							
																					 
																													
																							
											
																						
																									86
																							
											
												
												batch数据为32,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为1.03。
												
											 
																							
																					 
																													
																							
											
																						
																									87
																							
											
												
												batch数据为128,循环次数为3333次,通过在线上环境完成训练,模型最优精度评分为1.01。
												
											 
																							
																					 
																													
																							
											
																						
																									88
																							
											
												
												batch数据为64,循环次数为3000次,通过在线上环境完成训练,模型最优精度评分为1.01。
												
											 
																							
																					 
																													
																							
											
																						
																									89
																							
											
												
												batch数据为32,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为0.96。
												
											 
																							
																					 
																													
																							
											
																						
																									90
																							
											
												
												batch数据为64,循环次数为5000次,通过在线上环境完成训练,模型最优精度评分为0.87。
												
											 
																							
																					 
																													
																							
											
																						
																									91
																							
											
												
												batch数据为32,循环次数为500次,通过在线上环境完成训练,模型最优精度评分为0.84。
												
											 
																							
																					 
																													
																							
											
																						
																									92
																							
											
												
												batch数据为64,循环次数为200次,通过在线上环境完成训练,模型最优精度评分为0.83。
												
											 
																							
																					 
																													
																							
											
																						
																									93
																							
											
												
												batch数据为128,循环次数为5000次,通过在线上环境完成训练,模型最优精度评分为0.81。
												
											 
																							
																					 
															 
				    
				 
				
				
									
					
						
																																	
																									
										- 唱跳RAP打篮球
- 
											模型得分为99.64,本次获得实时奖励奖金为5元 2019-04-09 08:51:48 
																									
										- Teenage Dream
- 
											模型得分为95.47,本次获得实时奖励奖金为39元 2019-04-08 00:19:44 
																									
										- cactus_6
- 
											模型得分为20.93,本次获得实时奖励奖金为10元 2019-04-01 23:46:25 
										- kongd
- 
											模型得分为12.95,本次获得实时奖励奖金为10元 2019-04-01 23:27:15 
										- 'code and paper'
- 
											模型得分为0.84,本次获得实时奖励奖金为10元 2019-04-01 23:16:56 
										- 小瓶盖子
- 
											模型得分为2.15,本次获得实时奖励奖金为10元 2019-04-01 20:27:08 
																									
										- 看你很6哦
- 
											模型得分为2.28,本次获得实时奖励奖金为10元 2019-04-01 11:45:31 
																									
										- zhiduanqingchang
- 
											模型得分为26.59,本次获得实时奖励奖金为10元 2019-04-01 02:59:41 
										- codePlay
- 
											模型得分为10.26,本次获得实时奖励奖金为10元 2019-04-01 00:47:06 
																									
										- 哇咔咔
- 
											模型得分为5.04,本次获得实时奖励奖金为10元 2019-03-31 01:05:57 
										- 无名小辈
- 
											模型得分为48.23,本次获得实时奖励奖金为10元 2019-03-31 00:12:58 
										- 杰
- 
											模型得分为40.01,本次获得实时奖励奖金为10元 2019-03-30 20:46:49 
																									
										- 沉迷于深度学习不见消瘦无法自拔
- 
											模型得分为0.96,本次获得实时奖励奖金为10元 2019-03-29 21:50:08 
										- LALALALALALA
- 
											模型得分为0.96,本次获得实时奖励奖金为10元 2019-03-29 21:31:45 
										- 火炎焱燚
- 
											模型得分为0.96,本次获得实时奖励奖金为10元 2019-03-29 16:58:06 
																									
										- 小北
- 
											模型得分为15.68,本次获得实时奖励奖金为10元 2019-03-29 11:57:33 
																									
										- Hw丶
- 
											模型得分为5.27,本次获得实时奖励奖金为10元 2019-03-29 02:51:42 
																									
										- 探索者1553567528
- 
											模型得分为5.08,本次获得实时奖励奖金为10元 2019-03-28 17:30:20 
										- Rank
- 
											模型得分为37.57,本次获得实时奖励奖金为10元 2019-03-28 14:17:40 
																									
										- 玄学上分
- 
											模型得分为76.17,本次获得实时奖励奖金为10元 2019-03-27 21:21:12 
										- Hnecl
- 
											模型得分为14.94,本次获得实时奖励奖金为10元 2019-03-27 17:12:58 
																									
										- ziz
- 
											模型得分为1.19,本次获得实时奖励奖金为10元 2019-03-26 09:31:50 
																									
										- Value_H
- 
											模型得分为1.32,本次获得实时奖励奖金为10元 2019-03-23 01:36:47 
										- Hallo
- 
											模型得分为1.01,本次获得实时奖励奖金为10元 2019-03-23 00:24:38 
										- 李小白
- 
											模型得分为32.55,本次获得实时奖励奖金为10元 2019-03-22 20:07:48 
										- CooKo1552966657
- 
											模型得分为2.57,本次获得实时奖励奖金为10元 2019-03-22 19:28:36 
																									
										- 就是很任性
- 
											模型得分为4.42,本次获得实时奖励奖金为10元 2019-03-21 18:03:32 
																									
										- trick_or_treat
- 
											模型得分为71.12,本次获得实时奖励奖金为131元 2019-03-21 09:47:52 
										- lyming
- 
											模型得分为5.97,本次获得实时奖励奖金为10元 2019-03-21 07:37:34 
																									
										- cookie
- 
											模型得分为38.05,本次获得实时奖励奖金为10元 2019-03-20 13:01:39 
										- 你猜猜我是谁
- 
											模型得分为83.12,本次获得实时奖励奖金为325元 2019-03-20 12:49:41 
																									
										- 风雨兼程
- 
											模型得分为38.12,本次获得实时奖励奖金为10元 2019-03-17 22:05:43